※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID） （是／否／其他条件）：是 哪一学年度修课： 105-1 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 李宏毅 δ 课程大概内容 Gradient Descent Linear Regression(HW1) Logistic Regression(HW2) Backpropogation NN,CNN(HW3) Semi-supervised Learning(HW3) Unsupervised Learning(HW4) Transfer Learning Structure Learning Deep Reinforcement Learning Ω 私心推荐指数(以五分计) ★★★★★ ★★★★+0.5 η 上课用书(影印讲义或是指定教科书) 老师投影片＋参考资料 μ 上课方式(投影片、团体讨论、老师教学风格) 用投影片上课，有几次是请人来演讲。 个人认为老师讲解的很清晰，也会拿一些语音上或是影像上的举例，但 个 σ 评分方式(给分甜吗？是紮实分？) 作业 40% (一共四份，都是用Kaggle竞赛的方式做排名，作业有时候会 有 final project 60% (一样有一些Bonus) 最後学期总成绩应该是会最高分超过100，听说最後分数还有做微调， 调? 个人觉得扎实偏甜 ρ 考题型式、作业方式 四个作业分别实作Linear Regression, Logistic Regression, CNN, U ns 像我写程式比较弱的就花满多时间的，前面两份作业都是要自己手写不 能 後面两份作业是可以用套件的，本人就用了Keras和sklearn，基本上丢 进 每份作业都会写一份报告，报告的问题助教都会规定，基本上照着做， 该 最後final project就是有三个Kaggle上的题目，可以三个都同时做， 最? 像我这组三个人，除了我以外两个都是大腿，其中一人就让我们第一题 直 但final project是真的需要花点时间的 期末最後一堂课老师会请三个题目的前5%组别上台Demo，就看得出来有 些 ω 其它(是否注重出席率？如果为外系选修，需先有什麽基础较好吗？老师个性？ 加签习惯？严禁迟到等…) 今年加签是大家先回去写HW0，满基础的就是看会不会用Python，两题 一? 但最後人真的太多了，老师好像只签电资学院的人，还是有将近240名 学? Ψ 总结 这门课不失为一门好课，可以对机器学习有了解，也可以大略知道在不 同 作业方面也很注重实作，会真的写个程式，然後花不少时间去跑去做实 验 助教的话每个都很厉害也很负责，毕竟改作业要重跑大家的code，有时 候 但比较可惜的一样就是数学的部分，会比较没有深入的下去讲，但还是 会 相较於隔壁林轩田老师的机器学习，这边应该比较重实作，另一边可能 比 个人认为都可以根据自己的需求，选自己想修的那种机器学习这样。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.227.182.64 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/EE_Comment/M.1485801213.A.EF1.html ※ 编辑: Rubb9diaw (111.71.116.104), 03/31/2017 15:57:29